bid-analysis-comparator — скилл для Claude Code: сравнение заявок
Скилл bid-analysis-comparator считает взвешенные оценки предложений подрядчиков по шести критериям, находит лидера и самую низкую цену, выгружает сравнение в Excel.
MIT 143 установок ★ 434 обновлён 2026-10-19
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a claude-codeЧто делает bid-analysis-comparator
Скилл держит заявки в Python-классе BidAnalysisComparator: имя подрядчика, базовая цена, альтернативы, статус. Шесть критериев прописаны в коде — цена с весом 0.35, опыт 0.20, график 0.15, остальное делят техника безопасности, рекомендации и мощности. Оценка по каждому идёт от 0 до 10, вклад в итог — балл, умноженный на вес.
get_recommendation кладёт рядом лидера по баллам и самую дешёвую заявку: сразу видно, совпадает одно с другим или нет. export_analysis пишет .xlsx с листом Comparison, отсортированным по итоговому баллу, и листом Details, где у каждого подрядчика перечислены исключения и оговорки.
Из бинарников нужен только python3, но код импортирует pandas, а запись в Excel идёт через openpyxl — без него экспорт не отработает. Веса шести критериев задаются при старте объекта, поэтому под проект с другими приоритетами список критериев придётся править, иначе итог посчитается не по вашим правилам.
Какие задачи решает
- сравнить заявки на электромонтаж по единой шкале
- найти пробелы в объёмах через исключения и оговорки подрядчика
- посчитать взвешенный итог, не перенося баллы руками в таблицу
- показать заказчику, что самая дешёвая заявка не всегда лучшая
- отдать сравнение и детали по каждому участнику одним файлом
.xlsx
Примеры запросов агенту
- Сравни заявки
ABC ElectricиXYZ Electricна электромонтаж, базовая цена 850000 и 920000, посчитай взвешенный балл и скажи, кого рекомендовать. - Пересчитай второго подрядчика с оценками 9 за опыт и 9 за рекомендации и покажи новый порядок в таблице.
- Выгрузи анализ в
bids.xlsx, на листеDetailsоставь исключения и оговорки каждого подрядчика.
Как установить bid-analysis-comparator
1Через Skills CLI (Vercel)
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a claude-code2Вручную: положить файлы
~/.claude/skills/bid-analysis-comparator/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/bid-analysis-comparator/
1Через Skills CLI (Vercel)
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a codex2Вручную: положить файлы
.agents/skills/bid-analysis-comparator/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a cursor2Вручную: положить файлы
.cursor/skills/bid-analysis-comparator/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction 1_DDC_Toolkit/Procurement/bid-analysis-comparator2Вручную: положить файлы
.github/skills/bid-analysis-comparator/SKILL.md1Через Skills CLI (Vercel)
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a gemini-cli2Командой платформы
gemini skills install https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --path 1_DDC_Toolkit/Procurement/bid-analysis-comparatorВручную: положить файлы
.devin/skills/bid-analysis-comparator/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о bid-analysis-comparator
Как установить bid-analysis-comparator в Claude Code?
Выполните npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill bid-analysis-comparator -a claude-code, затем файл скилла окажется по пути ~/.claude/skills/bid-analysis-comparator/SKILL.md.
Что делает bid-analysis-comparator?
Считает взвешенные оценки заявок по шести критериям, показывает лидера по баллам и самую низкую цену, выгружает сравнение в Excel.
Что нужно, чтобы скилл заработал?
python3, библиотека pandas для таблицы оценок и openpyxl — через неё идёт запись в .xlsx.
Исходный текст
SKILL.md · MIT
---
name: "bid-analysis-comparator"
description: "Compare and analyze contractor bids. Score proposals, identify scope gaps, and recommend selections."
homepage: "https://datadrivenconstruction.io"
metadata: {"openclaw": {"emoji": "🛒", "os": ["darwin", "linux", "win32"], "homepage": "https://datadrivenconstruction.io", "requires": {"bins": ["python3"]}}}
---
# Bid Analysis Comparator
## Business Case
Bid evaluation requires systematic comparison across multiple criteria. This skill provides structured bid analysis and scoring.
## Technical Implementation
```python
import pandas as pd
from datetime import date
from typing import Dict, Any, List
from dataclasses import dataclass, field
from enum import Enum
class BidStatus(Enum):
RECEIVED = "received"
UNDER_REVIEW = "under_review"
SHORTLISTED = "shortlisted"
AWARDED = "awarded"
REJECTED = "rejected"
@dataclass
class EvaluationCriteria:
name: str
weight: float # 0-1
max_score: int = 10
@dataclass
class BidScore:
criteria: str
score: int
notes: str = ""
@dataclass
class Bid:
bid_id: str
bidder_name: str
bid_package: str
submitted_date: date
base_bid: float
alternates: Dict[str, float]
status: BidStatus
scores: List[BidScore] = field(default_factory=list)
qualifications: List[str] = field(default_factory=list)
exclusions: List[str] = field(default_factory=list)
@property
def total_weighted_score(self) -> float:
return sum(s.score for s in self.scores)
class BidAnalysisComparator:
def __init__(self, project_name: str, bid_package: str):
self.project_name = project_name
self.bid_package = bid_package
self.bids: Dict[str, Bid] = {}
self.criteria: List[EvaluationCriteria] = []
self._setup_default_criteria()
self._counter = 0
def _setup_default_criteria(self):
self.criteria = [
EvaluationCriteria("Price", 0.35),
EvaluationCriteria("Experience", 0.20),
EvaluationCriteria("Schedule", 0.15),
EvaluationCriteria("Safety Record", 0.10),
EvaluationCriteria("References", 0.10),
EvaluationCriteria("Capacity", 0.10)
]
def add_bid(self, bidder_name: str, base_bid: float,
submitted_date: date = None,
alternates: Dict[str, float] = None) -> Bid:
self._counter += 1
bid_id = f"BID-{self._counter:03d}"
bid = Bid(
bid_id=bid_id,
bidder_name=bidder_name,
bid_package=self.bid_package,
submitted_date=submitted_date or date.today(),
base_bid=base_bid,
alternates=alternates or {},
status=BidStatus.RECEIVED
)
self.bids[bid_id] = bid
return bid
def score_bid(self, bid_id: str, scores: Dict[str, int]):
"""Score bid on criteria. scores = {'Price': 8, 'Experience': 7, ...}"""
if bid_id not in self.bids:
return
bid = self.bids[bid_id]
bid.scores = []
for criteria, score in scores.items():
bid.scores.append(BidScore(criteria, score))
bid.status = BidStatus.UNDER_REVIEW
def calculate_weighted_scores(self) -> pd.DataFrame:
"""Calculate weighted scores for all bids."""
results = []
criteria_weights = {c.name: c.weight for c in self.criteria}
for bid in self.bids.values():
row = {
'Bidder': bid.bidder_name,
'Base Bid': bid.base_bid,
'Status': bid.status.value
}
total = 0
for score in bid.scores:
weight = criteria_weights.get(score.criteria, 0)
weighted = score.score * weight * 10
row[score.criteria] = score.score
row[f'{score.criteria} (W)'] = round(weighted, 1)
total += weighted
row['Total Score'] = round(total, 1)
results.append(row)
return pd.DataFrame(results).sort_values('Total Score', ascending=False)
def get_recommendation(self) -> Dict[str, Any]:
"""Get bid recommendation."""
df = self.calculate_weighted_scores()
if df.empty:
return {'recommendation': 'No bids to evaluate'}
top = df.iloc[0]
lowest = df.sort_values('Base Bid').iloc[0]
return {
'highest_score': {
'bidder': top['Bidder'],
'score': top['Total Score'],
'bid': top['Base Bid']
},
'lowest_price': {
'bidder': lowest['Bidder'],
'bid': lowest['Base Bid']
},
'total_bids': len(self.bids),
'recommendation': top['Bidder']
}
def export_analysis(self, output_path: str):
df = self.calculate_weighted_scores()
with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
df.to_excel(writer, sheet_name='Comparison', index=False)
# Bid details
details = [{
'Bidder': b.bidder_name,
'Bid': b.base_bid,
'Exclusions': '; '.join(b.exclusions),
'Qualifications': '; '.join(b.qualifications)
} for b in self.bids.values()]
pd.DataFrame(details).to_excel(writer, sheet_name='Details', index=False)
```
## Quick Start
```python
comparator = BidAnalysisComparator("Office Tower", "Electrical")
bid1 = comparator.add_bid("ABC Electric", 850000)
bid2 = comparator.add_bid("XYZ Electric", 920000)
comparator.score_bid(bid1.bid_id, {'Price': 9, 'Experience': 7, 'Schedule': 8,
'Safety Record': 8, 'References': 7, 'Capacity': 8})
comparator.score_bid(bid2.bid_id, {'Price': 7, 'Experience': 9, 'Schedule': 7,
'Safety Record': 9, 'References': 9, 'Capacity': 9})
recommendation = comparator.get_recommendation()
print(f"Recommended: {recommendation['recommendation']}")
```
## Resources
- **DDC Book**: Chapter 3.4 - Procurement
© datadrivenconstruction · MIT · datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction